Descoperă array-ul NumPy! Învață cum să creezi array-uri și cum să le modifici forma în funcție de nevoile tale. În final, explorează multitudinea de tipuri de date din NumPy și modul în care acestea contribuie la viteza operațiilor cu array-uri.

Introducere în tablouri

Primul tău array NumPy

Crearea array-urilor de la zero

Un array de tip range

Dimensionalitatea array-urilor

Crearea unui array 3D

A patra dimensiune

Aplatizare și remodelare

Tipuri de date NumPy

Argumentul dtype

Anticipând tipurile de date

Un joc de sudoku mai compact

Înțelegerea array-urilor NumPy

Îți vei aprofunda abilitățile de lucru cu date în NumPy prin tăiere, filtrare și sortare a datelor din recensământul arborilor din New York City. Vei crea array-uri noi extragând date pe baza unor condiții și vei adăuga sau elimina date pe orice dimensiune, în funcție de scopul tău. Pe parcurs, vei învăța principiile de compatibilitate a formei și dimensiunilor, pregătindu-te pentru operații matematice extrem de rapide cu array-uri.

Indexarea și extragerea datelor din array-uri

Slicing și indexare pentru arbori

Explorăm 2D

Sortarea copacilor

Filtrarea array-urilor

Filtrare cu măști

Indexare fancy vs. np.where()

Crearea array-urilor din condiții

Adăugarea și eliminarea datelor

Compatibile sau nu?

Adăugarea de rânduri

Adăugarea coloanelor

Ștergerea cu np.delete()

Selectarea și actualizarea datelor

Folosește operațiile vectorizate rapide ale NumPy pentru a obține informații sintetice despre datele de vânzări ale magazinelor de băuturi alcoolice, restaurantelor și magazinelor universale din Statele Unite. Vectorizează funcții Python pentru a le integra în codul tău NumPy. În final, aplică logica de broadcasting pentru a efectua operații matematice între array-uri de dimensiuni diferite.

Rezumarea datelor

Totaluri de vânzări

Reprezentarea grafică a mediilor

Vânzări cumulative

Operații vectorizate

Calcule fiscale

Proiectarea vânzărilor

Vectorizarea .upper()

Broadcasting

Broadcasting posibil sau nu?

Broadcasting pe coloane

Broadcasting pe rânduri

Matematică cu array-uri!

În acest capitol final, NumPy intră în lumea artei: vom folosi date de imagine dintr-o capodoperă de Monet pentru a explora cum poți augmenta date de tip imagine. Vei folosi funcționalitățile de flip și transpunere pentru a transforma rapid capodopera. Apoi, vei descompune array-ul Monet, vei face modificări și îl vei reconstrui prin stacking de array-uri pentru a vedea rezultatele.

Salvarea și încărcarea tablourilor

Încărcarea fișierelor .npy

Obținerea ajutorului

Actualizează și salvează

Acrobații cu array-uri

Augmentarea lui Monet

Transpunerea capodoperei tale

Stivuire și divizare

Împărțire și stivuire 2D

Împărțirea datelor RGB

Stacking datelor RGB

Felicitări!

Transformarea array-urilor

Course Glossary

Monet RGB Array

Monthly Sales Array

Tree Census Array

Sudoku Solution Array

Sudoku Game Array

NumPy este o bibliotecă Python esențială. TensorFlow și scikit-learn folosesc array-uri NumPy ca date de intrare, iar pandas și Matplotlib sunt construite pe baza NumPy. În acest curs de introducere în NumPy, vei deveni un expert în lucrul cu obiectul central al bibliotecii: array-urile! Folosind date din recensământul arborilor din New York City, vei crea, sorta, filtra și actualiza array-uri. Vei descoperi de ce NumPy este atât de eficient și vei folosi broadcasting și vectorizare pentru a-ți face codul NumPy și mai rapid. La finalul cursului, vei folosi array-uri 3D pentru a modifica o pictură de Claude Monet și vei înțelege de ce astfel de transformări sunt instrumente esențiale în machine learning.

Videourile conțin transcrieri live pe care le poți afișa dând clic pe „Show transcript" în colțul din stânga jos al playerului.

Glosarul cursului se găsește în dreapta, în secțiunea de resurse.

Pentru a obține credite CPE, trebuie să finalizezi cursul și să obții un scor de cel puțin 70% la evaluarea calificată. Poți accesa evaluarea dând clic pe notificarea CPE credits din dreapta.

<h2>Explorează pachetul Python pentru Data Science: NumPy</h2>
Obțineți o introducere în Numpy și înțelegeți de ce această bibliotecă Python este esențială pentru toți oamenii de știință ai datelor și analiștii Python. Cel mai important, află mai multe despre array-urile Numpy și despre cum să creezi și să modifici formele array-urilor pentru a se potrivi nevoilor tale. 
<br><br>
<h2>Descoperă array-urile NumPy</h2>
NumPy este o bibliotecă Python esențială pentru oamenii de știință ai datelor și analiști. Oferă o alternativă excelentă la listele Python, deoarece sunt mai compacte și permit acces mai rapid la citirea și scrierea elementelor, făcându-le o opțiune mai convenabilă și mai eficientă.
<br><br>
În acest curs de Introducere în NumPy, vei deveni un adevărat expert în gestionarea obiectului de bază al NumPy: array-urile! Folosind datele din recensământul arborilor din New York City, vei crea, sorta, filtra și actualiza array-uri. Vei descoperi de ce NumPy este atât de eficient și vei folosi broadcasting și vectorization pentru a face codul tău NumPy și mai rapid. 
<br><br>
<h2>Câștigă încredere exersând pe setul de date Monet</h2>
Până la ultimul capitol, vei folosi cunoștințele nou dobândite pentru a efectua transformări ale array-urilor. Veți folosi matrice de imagini 3D pentru a modifica un tablou de Claude Monet și veți înțelege de ce astfel de modificări ale matricelor sunt instrumente esențiale pentru învățarea automată.
<br><br>
Vei dobândi încredere în array-urile Numpy și în diferitele lor operații la finalizarea cursului. Acest curs face parte din traseul Data Scientist with Python și este perfect pentru cei care caută o certificare Data Science cu DataCamp.

Intermediate Python

Învață NumPy, pachetul popular de știința datelor în Python. Creează și sortează matrice în 4 ore.

Introducere în NumPy

Stăpânește-ți abilitățile în NumPy învățând să creezi, sortezi, filtrezi și actualizezi array-uri folosind recensământul arborilor din NYC.

Salvarea și încărcarea tablourilor

Create Your Free Account